使用这份实用的 FDE 面试自我评估，测试你的编程能力、客户判断力、生产级 AI 知识、系统设计能力以及证据意识。
作者：The Forward Deployed 编辑团队已审核
当你能够脱口而出地完成以下七件事时——大声说出来、限时完成、不看笔记——你就准备好参加前沿部署工程师的面试流程了。这不是阅读测试，而是实战表现测试。阅读每一项的测试内容，诚实地尝试，如果卡住了，链接会告诉你该回到哪里去复习。
自我评分的规则是：如果只有边看页面才能做到，那就等于不会。关掉标签页，一周后再试。
大声拆解一个模糊的问题
测试内容：让某人给你一个模糊的、非软件类的提示，比如“设计一个帮助 X 做 Y 的东西”，并给你五分钟时间。你能说出用户是谁、期望的结果是什么，把问题拆成 3–5 个部分，找出最难的部分并为其辩护，并且全程不停地说吗？
当你把前两分钟花在不急于提出产品方案上，并且面试官说“直接给我点具体的东西”也不会让你慌乱时，你就掌握了。如果你直接跳到解决方案，或者陷入沉默思考，那就需要刻意练习。→ 拆解练习
主导客户对话
测试内容：角色扮演三种情境：客户提出错误的需求、高管质疑为什么成本这么高、以及一位持怀疑态度的工程师质问你为什么在这里。你能围绕他们想要的结果展开，用“因为……”来拒绝，并把技术转化为他们能理解的金钱和风险语言吗？
当你能在不成为阻碍的前提下反驳一个不合理的需求，并能用非工程师也会点头认可的“风险金额”来解释成本时，你就掌握了。→ 客户模拟练习 · 背后的技巧：客户成果
设计并捍卫一个生产级 AI 系统
测试内容：“为客户 X 设计一个 AI 系统。”你能用一句话勾勒出显而易见的架构，然后把时间花在评测、故障边界界定和成本/延迟上，先讲清楚在模型之前你如何知道它是对的吗？
当你面对合规或安全类提示时，第一反应是谈论如何持续衡量正确性、如何保持人在回路，而不是先谈检索器，你就掌握了。→ AI 系统设计案例 · 相关概念：生产环境
在陌生代码中快速上手
测试内容：打开一个你从未见过、埋有预设 bug 的小型代码库，在二十五分钟内边讲解边修复它。然后阅读一个你不了解的库的文档，在二十分钟内完成一次可运行的调用。
当你只追踪一条路径而不是通读所有代码、在修改前先形成假设、在修复前先复现问题，并且善用工具（包括 AI 助手），同时始终是那个能为每一行代码负责的人时，你就掌握了。→ 代码库 / 学习练习
识别并瞄准生产级证据
测试方法： 拿出你构建过的最令人印象深刻的 AI 项目，按照“生产级 vs 业余级”的标准逐项打分。你能说出它满足哪些条目、不满足哪些条目，以及你会如何具体调整实际工作，把它推进到左栏吗？
当你能分清“我做了个聊天机器人”和“人们在真实约束下依赖这个系统，而我是这样验证它有效”的区别，并且有一个具体的计划去获得第二种故事时，你就达标了。 → 构建证据
通过编程初筛的底线
测试方法： 从空文件开始，用你最擅长的语言，在限定时间内，边讲解边根据一个用通俗语言描述的用户场景构建一个可运行的小程序。然后在需求变更时再扩展一次。你能不重写就交付两个版本吗？
当第一个版本足够简单、能经受住第二个需求，并且你边打字边持续讲解时，你就达标了。这是其他任何信号被评分之前必须先通过的关卡；底线及其来源见面试方法。 → 编程初筛
用有代价的权衡回答“为什么来这里”
测试方法： 针对你目标的具体公司，回答“你为什么想在这里工作？”：它的实际产品和客户、一个关于你在哪里创造价值、面试官可以追问的论点，以及一个你明知接受却愿意承担的岗位代价。然后讲一个真实的失败故事，并接受两个追问，而不把它重新包装成成功。
当这个回答只可能是关于那一家公司的，并且失败故事是真正的失败时，你就达标了。问题的形式及其来源见面试方法。 → 价值观与招聘经理演练
自检无法衡量的标准
第 1–4 项和第 6–7 项是面试技能，几个专注的周末练习就能提升。第 5 项不同，而它才是 offer 真正取决于的东西：证据本身。 没有任何自检或网站能评判你是否交付过真实用户依赖的生产级 AI。你要么已经有这样的故事，要么正在朝这个方向努力。
所以请从两个维度诚实地阅读这份自检：
- 我准备好面试了吗？ 如果你能不假思索地完成第 1–4 项和第 6–7 项，是的。开始并行投递和练习。
- 我有证据吗？ 如果你最好的项目还停留在业余栏，那就是你现在要开始做的工作，与其他所有事情并行，因为它需要真实的日历时间来积累，而这正是区分一场出色的面试和一份 offer 的关键。 → 构建证据
如果你有工作：一个为期四周的规划
自检告诉你是否准备好了；这个规划为有日常工作的人估算路径长度。阅读是较短的部分。演练和证据需要更长时间，所以把阅读前置，每天演练，并从第一天就开始证据工作。以下规划假设每周大约八到十小时；如果每周四小时，请把它当作一个八周计划来读。
- 第一周：阅读，并启动最耗时的部分。 按顺序阅读 Foundations 和 Production（已熟悉的内容可略读）。尽早确定你的目标方向。Company Differences 展示了 Palantir、各大实验室和 Google 的差异，这样你的准备就能对准某一个循环。同一周，打开 Build the Evidence 并付诸行动：起草试点推介，或挑选你将要重塑的真实工作，并开始记录决策日志。
- 第二周：阅读技艺，开始练习。 阅读 Customer Outcomes、Interview Method 和 Interview Practice，并阅读一篇 engagement，看看这个循环在真实公司中如何运转。开始拆解练习：五分钟，出声进行，录音，对照框架评分，隔天一次。
- 第三周：演练全部四轮。 保持拆解练习。增加一次代码库演练（在不熟悉的代码库中预置一个 bug，边计时边口头讲解）和一次口头系统设计案例。招募你的“难缠客户”搭档，现场进行客户模拟演练。这是独自练习无法完成的一轮。再增加两次限时编码面试练习，对照底线标准（第 6 项）。
- 第四周：完成闭环。 冷启动完成本页的七项测试。起草你的“为什么选这里”回答和你的失败故事，并大声说出来（第 7 项）。在目标公司面试循环的前一周，重新演练针对该公司的“为什么选这里”回答，因为这个答案按设计会随时间失效。无论在哪里卡住，回到那一页的练习，而不是重新阅读。如果第 1、3、4、6 项已经熟练，并且你有一个证据故事，就开始投递申请。
何时开始投递申请
不要等到拿到完美分数。如果你能冷启动完成第 1、3、4、6 项，并且有一段可以讲述的真实证据，你就已经准备好进入面试循环了。面试本身就是最好的剩余练习。在面试期间继续打磨第 2 和第 5 项；它们会产生复利效应。这条路径按设计就很短；证据才是最耗时的部分，所以先启动它，让准备程度逐步跟上。
下一步： AI Systems — Overview。学习路径从系统本身开始。